# 网联自动驾驶车辆预测性重路由

该研究提出一个将扩散卷积循环神经网络（DCRNN）交通与充电需求预测同CAV改道策略相结合的框架，在SUMO中针对受控交通中断、5%至45%五个CAV渗透率水平进行评估；DCRNN在主动改道方法中取得最低平均行程时间指数、最高平均速度和最低总CO2排放，相对无改道基准降低平均TTI约1.8%，并在全部渗透率下仅接受41次改道，而K最短路径为146次、V2X为153次。

该研究提出一个将扩散卷积循环神经网络（DCRNN）交通与充电需求预测同CAV改道策略相结合的框架，在SUMO中针对受控交通中断、5%至45%五个CAV渗透率水平进行评估；DCRNN在主动改道方法中取得最低平均行程时间指数、最高平均速度和最低总CO2排放，相对无改道基准降低平均TTI约1.8%，并在全部渗透率下仅接受41次改道，而K最短路径为146次、V2X为153次。